单位向量的定义和举例说明

单位向量是指长度为 1 的向量。在数学中,单位向量通常用于表示方向,因为它只有方向信息,而没有大小信息。

单位向量的定义:

一个向量 v \mathbf{v} v 被称为单位向量 ,如果它的**模(长度)**等于 1,即:
∥ v ∥ = 1 \|\mathbf{v}\| = 1 ∥v∥=1

其中 ∥ v ∥ \|\mathbf{v}\| ∥v∥ 表示向量的欧几里得长度,定义为:
∥ v ∥ = v 1 2 + v 2 2 + ⋯ + v n 2 \|\mathbf{v}\| = \sqrt{v_1^2 + v_2^2 + \cdots + v_n^2} ∥v∥=v12+v22+⋯+vn2

对于一个向量 v \mathbf{v} v 来说,如果它不是单位向量,则可以通过将它除以它的模来将其标准化为单位向量:
v ^ = v ∥ v ∥ \hat{\mathbf{v}} = \frac{\mathbf{v}}{\|\mathbf{v}\|} v^=∥v∥v

其中, v ^ \hat{\mathbf{v}} v^ 是向量 v \mathbf{v} v 的单位向量。

举例说明:

1. 二维空间的单位向量:

在二维空间(平面)中,一个常见的单位向量是:
v = 1 0 \mathbf{v} = \begin{bmatrix} 1 \\ 0 \end{bmatrix} v=10

  • 这个向量在 x x x 轴上,并且它的长度为 1:
    ∥ v ∥ = 1 2 + 0 2 = 1 \|\mathbf{v}\| = \sqrt{1^2 + 0^2} = 1 ∥v∥=12+02 =1

另一个二维单位向量例子:
v = 1 2 1 2 \mathbf{v} = \begin{bmatrix} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \end{bmatrix} v=2 12 1

  • 这个向量与 x x x 轴正方向形成 45 度角,它的长度为:
    ∥ v ∥ = ( 1 2 ) 2 + ( 1 2 ) 2 = 1 2 + 1 2 = 1 = 1 \|\mathbf{v}\| = \sqrt{\left(\frac{1}{\sqrt{2}}\right)^2 + \left(\frac{1}{\sqrt{2}}\right)^2} = \sqrt{\frac{1}{2} + \frac{1}{2}} = \sqrt{1} = 1 ∥v∥=(2 1)2+(2 1)2 =21+21 =1 =1
2. 三维空间的单位向量:

在三维空间中,一个常见的单位向量是:
v = 0 0 1 \mathbf{v} = \begin{bmatrix} 0 \\ 0 \\ 1 \end{bmatrix} v= 001

  • 这个向量在 z z z 轴方向,并且它的长度为 1:
    ∥ v ∥ = 0 2 + 0 2 + 1 2 = 1 \|\mathbf{v}\| = \sqrt{0^2 + 0^2 + 1^2} = 1 ∥v∥=02+02+12 =1

另一个三维单位向量例子:
v = 1 2 1 2 2 2 \mathbf{v} = \begin{bmatrix} \frac{1}{2} \\ \frac{1}{2} \\ \frac{\sqrt{2}}{2} \end{bmatrix} v= 212122

这个向量的长度为:
∥ v ∥ = ( 1 2 ) 2 + ( 1 2 ) 2 + ( 2 2 ) 2 = 1 4 + 1 4 + 2 4 = 1 = 1 \|\mathbf{v}\| = \sqrt{\left(\frac{1}{2}\right)^2 + \left(\frac{1}{2}\right)^2 + \left(\frac{\sqrt{2}}{2}\right)^2} = \sqrt{\frac{1}{4} + \frac{1}{4} + \frac{2}{4}} = \sqrt{1} = 1 ∥v∥=(21)2+(21)2+(22 )2 =41+41+42 =1 =1

3. 任意向量标准化为单位向量:

假设有一个二维向量:
v = 3 4 \mathbf{v} = \begin{bmatrix} 3 \\ 4 \end{bmatrix} v=34

这个向量的长度为:
∥ v ∥ = 3 2 + 4 2 = 9 + 16 = 25 = 5 \|\mathbf{v}\| = \sqrt{3^2 + 4^2} = \sqrt{9 + 16} = \sqrt{25} = 5 ∥v∥=32+42 =9+16 =25 =5

我们可以将它标准化为单位向量 v ^ \hat{\mathbf{v}} v^:
v ^ = 1 5 3 4 = 3 5 4 5 \hat{\mathbf{v}} = \frac{1}{5} \begin{bmatrix} 3 \\ 4 \end{bmatrix} = \begin{bmatrix} \frac{3}{5} \\ \frac{4}{5} \end{bmatrix} v^=5134=5354

验证其长度:
∥ v ^ ∥ = ( 3 5 ) 2 + ( 4 5 ) 2 = 9 25 + 16 25 = 25 25 = 1 \|\hat{\mathbf{v}}\| = \sqrt{\left(\frac{3}{5}\right)^2 + \left(\frac{4}{5}\right)^2} = \sqrt{\frac{9}{25} + \frac{16}{25}} = \sqrt{\frac{25}{25}} = 1 ∥v^∥=(53)2+(54)2 =259+2516 =2525 =1

所以,单位向量 v ^ = 3 5 4 5 \hat{\mathbf{v}} = \begin{bmatrix} \frac{3}{5} \\ \frac{4}{5} \end{bmatrix} v^=5354 确实是长度为 1 的向量。

总结:

  • 单位向量是长度为 1 的向量,通常用于表示方向。
  • 任何非零向量都可以通过将其除以自身的长度来标准化为单位向量。
  • 在几何和物理学中,单位向量常用于表示物体的方向,而忽略其大小。
相关推荐
合调于形6 分钟前
Rengong zhzzneng 《人工智能》词条汉语拼音字母标调拼写实测案例
人工智能·自然语言处理·人机交互·语音识别·学习方法
cg50178 分钟前
大模型 SFT(监督微调)该怎么做?(实践版)
人工智能·深度学习·机器学习
Qt云程序员14 分钟前
选型参考:光刃RPA 与常见 RPA / 自动化方案的对比
人工智能·自动化·rpa
neocheng_52216 分钟前
品牌、内容和效果营销,受AI影响为什么完全不同?
人工智能
糖糖单片机设计20 分钟前
基于STM32的指纹刷卡智能门禁系统设计(RC522 + AS608 + 蓝牙远程开锁 + 断电记忆)
人工智能·stm32·嵌入式硬件·51单片机·语音识别
航飞光电市场经理20 分钟前
从抗多径算法到部署优化:化工UWB定位的技术实现路径
人工智能
木头科技22 分钟前
AI 工程化第四篇】Spring AI Agent 线上可观测实战:Token 成本、调用链、工具耗时、RAG 命中率怎么监控
java·人工智能·spring
吴建旭 智宅焕26 分钟前
AI时代智能家居交付知识资产架构:非业务内容作为可信信息源的系统设计
人工智能·架构·智能家居
土星云SaturnCloud32 分钟前
边缘计算 + AI 视频存管一体机:快递末端网点分拣提效与安全管控实战方案
服务器·人工智能·ai·边缘计算
起个名字费劲死了35 分钟前
VisionMaster集成深度学习算法(基础狗)
人工智能·深度学习·算法